无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶，*的无人驾驶汽车已经测试行驶近五十万公里，其中最后八万公里是在没有任何人为安全干预措施下完成的；它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶安全是拉动无人驾驶车需求增长的主要因素。
      每年，驾驶员们的疏忽大意都会导致许多事故。既然驾驶员失误百出，汽车制造商们当然要集中精力设计能确保汽车安全的系统辆损坏的原因，多半不是重大交通事故，而是在泊车时发生的小磕小碰。泊车可能是危险性的驾驶操作了，但仍然会把视摄像头和可以测定周围物体距离远近的传感器——甚至还有可以显示汽车四周情况的车载电脑——有的人仍然会一路磕磕碰碰地进入停车位；例如，您驾驶时前方有辆车突然打滑，而您已经来不及停车。此时，在您的左边有一辆大卡车，右边则是一群等着过马路的孩子。大多数司机会选择撞向大卡车，以避免撞到行人。而无人驾驶车辆无法识别孩子们——它只会简单地看到右边的阻力较少，而将车转而冲向右边。这是个的例子，但是类似的问题有待解决，只有这样才能安心告诉车该往哪儿走，然后轻松享受无人驾驶之旅；
机器视觉系统在无人驾驶汽车中的应用主要有以下两个个方面：
障碍物检测 
      障碍物检测的准确率是车辆无人驾驶汽车过程中安全性的重要保证。在行驶过程中，障碍物的出现是不可预知的,也就无法根据现有的电子地图避开障碍物，只能在车辆行驶过程中及时发现,并加以处理。当前,由于无人驾驶汽车环境的不成熟，关于障碍物的定义尚没有统一的标准。因此,可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的异常地形都是车辆行驶过程中的障碍物。目前来看，障碍物检测算法主要有以下三种：1.基于特征的障碍物检测;2.基于光流场的障碍物检测;3.基于立体视觉的障碍物检测。在三种算法中，基于立体视觉的障碍物检测因为既不需要障碍物的先验知识,对障碍物是否运动也无限制,还能直接得到障碍物的实际位置而成为主流研究方向。但其对摄像机标定要求较高。而在车辆行驶过程中,摄像机定标参数会发生漂移,需要对摄像机进行动态标定。
道路检测

      自动导航是无人驾驶汽车的必要条件，无人驾驶汽车过程中，道路检测主要是为了确定车辆在道路中的位置和方向，以便控制车辆按照正确的路线行驶。另外，它还为后续的障碍物检测确定搜索范围，以及缩小障碍物检测的搜索空间，降低算法复杂度和误识率。然而由于现实中的道路多种多样，在加上光照、气候等各种环境因素的影响，道路检测是一个十分复杂的问题。至今仍无一个通用的算法，现有算法基本上都对道路做了一定的假设。通常采用的假设有：1、特定兴趣区域假设;2、道路等宽假设;3、道路平坦假设。另外，道路平坦假设也为障碍物定义提供参考。 目前，机器视觉技术在无人驾驶汽车中并没有进行大规模的应用，其实这这并非是硬件的问题，事实上摄像头技术在汽车中的应用已经十分成熟，如善领科技的行车记录仪，广角视野、倒车影像等功能都具备，而芯片技术也已能够高效完成图像的压缩处理，最终难点在于模拟神经网络的视觉算法

更多详情请访问：/channel.asp?id=5     机器视觉系统